Рассмотрим прогнозирование значения зависимой переменной в простой линейной регрессии, а также создание интервалов прогнозирования, - в рамках изучения количественных методов по программе CFA (Уровень II).
Финансовым аналитикам часто приходится использовать результаты регрессии, чтобы делать прогнозы о зависимой переменной.
Например, мы можем задаться вопросом: «Как быстро будут расти продажи корпорации XYZ в этом году, если реальный ВВП вырастет на 4%?»
Но мы не просто заинтересованы в получении таких прогнозов; мы также хотим знать, насколько мы можем быть уверены в результатах прогнозов.
Прогнозируемое значение зависимой переменной
В нашей модели регрессии ROA (рентабельность активов) если мы прогнозируем, что CAPEX компании составляет 6%, то прогнозируемая ROA в соответствии с Формулой 18 составит 12.375%:
Тем не менее, мы должны учитывать, что оценочная линия регрессии не описывает взаимосвязь между зависимыми и независимыми переменными; это среднее значение взаимосвязи между двумя переменными. Это очевидно, потому что не все остатки равны нулю.
Следовательно, для отражения этой неопределенности необходима интервальная оценка прогноза. Расчетная дисперсия ошибки прогнозирования
а стандартная ошибка прогноза:
Стандартная ошибка прогноза зависит от:
Из формулы для стандартной ошибки прогноза мы можем увидеть следующее:
Когда мы получим эту оценку стандартной ошибки прогноза, нам необходимо определить интервал прогнозирования зависимой переменной (
Интервал прогнозирования равен:
Мы описываем шаги для определения интервала прогнозирования в Иллюстрации 31.
1 |
Прогнозируйте значение |
2 |
Выберите уровень значимости |
3 |
Определите критическое значение для интервала прогнозирования, основанного на степени свободы и уровне значимости. |
4 |
Рассчитайте стандартную ошибку прогноза. |
5 |
Рассчитайте |
Учитывая, что прогнозируемое значение CAPEX составляет 6.0, прогнозируемое значение
Предполагая, что уровень значимости (
Стандартная ошибка прогноза:
Затем 95% интервал прогнозирования становится:
В нашем примере регрессии ROA мы можем увидеть, как изменяется стандартная ошибка прогноза (
Среднее значение CAPEX равно 6.1%, и диапазон, который представляет одну стандартную ошибку прогноза, выше и ниже прогноза, сводится к минимуму в этой точке, и увеличивается, когда независимая переменная удаляется от
Прогнозы ROA и стандартная ошибка прогноза.
Предположим, мы хотим прогнозировать рентабельность по чистой прибыли компании (NPM, net profit margin) на основе ее расходов на исследования и разработки, масштабируемые ее выручкой (RDR), используя модель из Примера 2 и данные, представленные в Иллюстрации 8.
Регрессионная модель рассчитана с использованием данных о восьми компаниях следующим образом:
со стандартной ошибкой оценки (
Решение.